eviews实验

一、实验目的

理解VAR模型的概念，掌握VAR模型的形式和特点，掌握VAR模型的识别、估计、检验和预测，了解似然比检验法，掌握脉冲响应的作用和应用，掌握使用Eviews软件进行相关的检验。

二、基本概念

VAR模型即向量自回归模型由希姆斯（C.A.Smis）提出，在一个含有n个方程（被解释变量）的VAR模型中，每个被解释变量都对自身以及其它被解释变量的若干期滞后值回归，若令滞后阶数为k，则VAR模型的一般形式可用下式表示：

其中，表示由第t期观测值构成的n维列向量，为n*n系数矩阵，是由随机误差项构成的n维列向量，其中随机误差项（i=1,2,…n）为白噪音过程，且满足(i,j=1,2,…,n,且ij)。

对某变量全部滞后项系数的联合检验能够告诉我们该变量是否对被解释变量有显著的影响，但是不能告诉我们这种影响是正还是负，也不能告诉我们这种影响发生作用所需要的时间。为解决这一问题，经常应用的方法是测量脉冲响应。脉冲响应度量的是被解释变量对单位冲击的响应。

三、实验内容及要求

1、实验内容：

在Eviews软件中利用VAR模型对我国货币的有效性进行检验。取我国狭义货币供应量M1，商品零售物价指数P，以及代表产出水平的国内生产总值GDP的季度数据，时间为1994年第一季度到2004年第二季度。所有的数据我们都取它们的增长率，以保证序列的平稳性。

2、实验要求：

（1）深刻理解VAR模型的基本概念，以及脉冲响应的基本概念；   

（2）思考：如何建立适当的VAR模型；如何利用VAR模型进行预测；

（3）熟练掌握相关Eviews操作。

四、实验指导

1、导入数据

打开Eviews软件，点击“File”－“New--Workfile”选项，出现“Workfile Range”对话框，在“Workfile frequency”框中选择“Quarterly”,在“Start date”和“End date”框中分别输入“1994:1”和“2004:2”，然后单击“OK”。点击“File”－ “Import--Read Text-Lotus-Excel”，找到要导入的名为EX6.3.xls的Excel文档，单击“打开”出现“Excel Spreadsheet Import”对话框并在其中输入“CPI”、“GDP”和“M1”，单击“OK”完成数据导入。

为保证序列的平稳性，所有的数据我们都取它们的增长率。 在命令框输入命令genr CPIDL=DLOG(CPI),生成CPI增长率序列CPIDL。同样的方法生成GDPDL、M1DL序列。

2、建立模型

点击“Quick”—“Estimate VAR”，弹出如图6－1所示的窗口。在左边“VAR Specification”中我们选择“Unrestricted VAR”，滞后长度我们从一阶试起，在右边“Endogenous”空白栏中我们键入变量名称“cpidl  m1dl gdpdl ”，在“Exdogenous”空白栏中保留常数项“C”，点击“OK”，即可以得到估计结果。

图6－1   VAR模型设定

在选择滞后项时，我们应用信息准则，表6－1中是我们试验的几个滞后项（根据金融理论，货币效应时滞在一年左右，所以我们选择最大5阶）及相应的信息值。

表6－1                不同滞后值下的AIC值和SC值

图6－2  VAR模型估计结果

在图6－2中我们也可以看到，在同一变量不同的滞后项，有的是显著的，有的是不显著的，有的符号是相反的，验证了我们所说的VAR模型是缺乏理论依据的，我们无法直接得出某种结论。 

首先，对于物价CPI,上期的货币供应量对其的影响是显著的，并且系数为正，与理论相符，说明货币供应量的增加将使物价水平上升。

其次，对于货币供应量来说，GDP和物价水平对其影响不显著，说明货币供应量不受上期的产出和物价水平的影响，是一个的外生变量，由央行控制，不受实体经济要素的影响。

再次，对于GDP,上期的货币供应量对其没有影响，这也从一个侧面验证了前几年我国实施的稳健的货币效果是不大的，而上期物价水平则对产出有显著的正的影响。

3、检验脉冲响应

在Eviews 软件点击“Impulse”菜单，就会弹出如图6－2所示窗口：

图6－3 VAR脉冲响应设定

我们选择对三个变量都进行脉冲响应测试，冲击也分别来自三个变量，然后选择时期为10（其它各项可根据需要选择），点击“OK”，得到如图6－4所示的脉冲测试结果。

图6－4  VAR脉冲响应结果

早期的VAR是没有考虑平稳的问题，但是现在做VAR的步骤一般是这样的，第一步：UNIT ROOT TEST 对全部的变量第二步：检查协整，在两个变量的情况下，用Engle-Granger method和Johansen或者Stock and Watson方法是完全一样的，但是在多个变量的情况下，最好不要用Engle-Granger的方法，直接检查Johansen方法中回归出来的矩阵的rank, 如果满秩，则所有的变量都为稳定的序列，直接使用VAR，如果是0秩，则所有的序列都进行一阶差分之后VAR（前提应该是全部的序列都是I（1）），如果处于这两者的中间，那么就用error correction model。第三步：确定滞后的数量，保证所有的残差都不存在自相关性，即white noise。然后你就可以做你想要的东西了。